一种数字孪生装备构建方法和系统

    公开(公告)号:CN113970910B

    公开(公告)日:2024-03-19

    申请号:CN202111157333.1

    申请日:2021-09-30

    Abstract: 本发明涉及一种数字孪生装备构建方法和系统,所述方法包括:步骤S1:构建初始孪生装备;步骤S2:实现仿真模型和物理模型的多刻度同步对准;步骤S3:获取孪生装备和制造设备的不对称参数对应关系信息;步骤S4:设置并同步运行制造设备和孪生装备。本发明能够根据制造设备的使用进程的推进而进行阶段性的更新,来保障孪生装备的可同步性,降低初始构建难度。

    基于深度学习的多源图像融合和特征提取算法

    公开(公告)号:CN109308486A

    公开(公告)日:2019-02-05

    申请号:CN201810879184.1

    申请日:2018-08-03

    Abstract: 本发明公开了一种基于深度学习的多源图像融合和特征提取算法,包括:将数据库中的每个三维模型置于一个虚拟的正十二面体中,将虚拟相机安置在正十二面体的均匀分布的二十个顶点上,从三维空间的视点中对原始物体进行虚拟拍照,得到单个目标的二十个视图,构成多视图模型数据库;将多视图模型数据库按照7:2:1的比例划分为训练集、测试集和验证集,利用视图姿态标签这一隐变量重新定义损失函数,通过反向传播算法最小化损失函数;在最小化损失函数后,神经网络最后一层通过softmax级联输出单个目标的多个视图,在候选视图姿态标签的约束下所属类别的得分。本发明避免了对特征所处空间的依赖,提高了目标分类的精度。

    一种智能制造标准提取系统
    3.
    发明公开

    公开(公告)号:CN117829128A

    公开(公告)日:2024-04-05

    申请号:CN202311864333.4

    申请日:2023-12-29

    Abstract: 本发明是一种智能制造标准提取系统,该系统的功能架构由五个层次组成,包括解析引擎、存储/缓存、系统服务、代理和系统前端。系统的业务流程包括解析需求、文档解析、数据存储和检索、用户操作交互和结果回馈。系统具有系统登录鉴权功能、文档解析功能、数据管理功能和国标文件自动分类功能,可以根据文件的内容和属性,自动对输入的标准文件进行分类。此外,系统还提供接口与其他系统或应用进行通信或协同处理。总的来说,该系统能够有效地管理和提取智能制造标准,提高数据解析和管理的效率。

    基于增强现实的智能制造方法与设备

    公开(公告)号:CN109032348B

    公开(公告)日:2021-09-14

    申请号:CN201810743981.7

    申请日:2018-07-09

    Abstract: 本申请的目的是提供一种基于增强现实的智能制造方法,其中,该方法包括:获取操作区域中目标物件在所述操作区域对应的第一坐标系中的第一位置信息;根据所述第一用户设备对应的第二坐标系与所述第一坐标系的坐标映射关系,确定所述目标物件在所述第二坐标系中的第二位置信息;获取所述目标物件对应的作业指导信息;根据所述第二位置信息将所述目标物件对应的作业指导信息叠加显示于所述目标物件。本申请通过向持有增强现实设备的用户呈现当前操作区域中工件组装相关的一些辅助信息,如工件的安装位置、顺序等,引导工人完成工件的组装,有效地降低装配维修成本、降低安装过程中出错的概率,改善生产效率,实现生产环节的快速响应和精准干预。

    一种数字孪生装备构建方法和系统

    公开(公告)号:CN113970910A

    公开(公告)日:2022-01-25

    申请号:CN202111157333.1

    申请日:2021-09-30

    Abstract: 本发明涉及一种数字孪生装备构建方法和系统,所述方法包括:步骤S1:构建初始孪生装备;步骤S2:实现仿真模型和物理模型的多刻度同步对准;步骤S3:获取孪生装备和制造设备的不对称参数对应关系信息;步骤S4:设置并同步运行制造设备和孪生装备。本发明能够根据制造设备的使用进程的推进而进行阶段性的更新,来保障孪生装备的可同步性,降低初始构建难度。

    基于学习的相似性度量方法

    公开(公告)号:CN109272013B

    公开(公告)日:2021-09-14

    申请号:CN201810879213.4

    申请日:2018-08-03

    Abstract: 本发明公开了一种基于学习的相似性度量方法,包括:给定立体模型的视图,筛选具有代表性的视图构造一个基于视图的超图来表征立体对象之间的关系;利用立体模型数据,从每个立体模型中提取空间结构圆形描述符,并且使用每个立体模型之间的距离来生成简单基于模型的图以探索立体模型之间的关联性;选定合适的学习框架,生成初始的学习权重,将基于视图生成的超图和基于立体模型生成的图作为学习框架的输入,通过联合学习框架来学习两种图的最优组合权重,从而通过基于视图的超图和基于立体模型的图来估计立体对象之间的相关性。本发明通过提取视图特征信息和立体模型空间结构信息,使得对立体模型的描述更加全面,在相似度量化方面更加准确和科学。

    基于学习的相似性度量方法

    公开(公告)号:CN109272013A

    公开(公告)日:2019-01-25

    申请号:CN201810879213.4

    申请日:2018-08-03

    Abstract: 本发明公开了一种基于学习的相似性度量方法,包括:给定立体模型的视图,筛选具有代表性的视图构造一个基于视图的超图来表征立体对象之间的关系;利用立体模型数据,从每个立体模型中提取空间结构圆形描述符,并且使用每个立体模型之间的距离来生成简单基于模型的图以探索立体模型之间的关联性;选定合适的学习框架,生成初始的学习权重,将基于视图生成的超图和基于立体模型生成的图作为学习框架的输入,通过联合学习框架来学习两种图的最优组合权重,从而通过基于视图的超图和基于立体模型的图来估计立体对象之间的相关性。本发明通过提取视图特征信息和立体模型空间结构信息,使得对立体模型的描述更加全面,在相似度量化方面更加准确和科学。

Patent Agency Ranking